论文部分内容阅读
基于Fisher准则的核鉴别分析法(KDA)是最常用的非线性特征提取方法之一,但对于多类识别问题,就分类率而言Fisher准则并不是最优。本文提出了一种加权核鉴别分析方法(KIDA)。首先利用非线性映射将原始样本隐式地映射到高维隐特征空间;在此特征空间内使用权函数重新估计类间离散度矩阵得到优化的准则函数;最后采用同时对角化方案求解最优鉴别矢量。在ORL和Yale人脸数据库上的实验结果验证了本文方法的有效性。